前言¶
DeepSeek Harness(DSH)的插件生態允許用戶在不修改核心邏輯的情況下擴展模型能力。image-gen-mcp 旨在解決模型需要生成圖像但缺乏標準接口的問題。通過對接任意兼容 OpenAI 格式的圖像生成端點,該插件將標準化的工具暴露給模型,使其能夠直接調用圖像生成功能。
是什麼¶
image-gen-mcp 是一個由 bauerelizabeth07139 維護的 DeepSeek Harness 插件,歸屬於「模型推理」分類。
它的核心作用是將圖像生成能力封裝爲 MCP(Model Context Protocol)工具。當插件成功掛載後,模型將獲得 image_generate(生成圖像)和 image_config_status(檢查配置狀態)兩個工具,以及一個內置的技能,用於指導模型在調用工具時遵循正確的流程。
安裝與配置¶
環境要求¶
插件運行需要 Node.js ≥ 22。
安裝步驟¶
通過 DSH CLI 安裝該插件到指定 profile(例如 web):
dsh plugin --profile web add bauerelizabeth07139/image-gen-mcp
在 DeepSeek Harness Desktop 中,可在插件側邊欄的「Add plugin」對話框中輸入上述倉庫地址,或直接輸入 GitHub 簡寫。
配置說明¶
插件掛載時必須提供後端地址和憑證,否則不會掛載任何工具。配置項通過環境變量或插件配置表注入。
配置項列表:
| 配置項 | 環境變量 | 默認值 | 說明 |
|---|---|---|---|
baseUrl |
IMAGE_GEN_BASE_URL |
無 | 後端基礎 URL,不包含 /v1 |
apiKey |
IMAGE_GEN_API_KEY |
無 | 後端 API 密鑰 |
model |
IMAGE_GEN_DEFAULT_MODEL |
空 | 默認模型名稱;空時在 openai 模式下使用 dall-e-3,generic 模式下使用 gpt-image-1 |
provider |
IMAGE_GEN_PROVIDER |
generic |
指定響應格式:generic(URL響應)或 openai(base64響應) |
timeoutMs |
IMAGE_GEN_TIMEOUT_MS |
30000 |
服務器端的 HTTP 超時時間 |
toolCallTimeoutMs |
- | 120000 |
DSH 每次工具調用的超時預算 |
env |
- | {} |
原始環境變量透傳 |
配置示例:
- id: dsh-image-gen-mcp
name: 'dsh-image-gen-mcp'
config:
baseUrl: 'https://api.example.com'
apiKey: 'sk-...'
model: 'gpt-image-1'
provider: 'generic'
安全說明: 插件會顯式轉發憑證,同時 DeepSeek Harness 會從子進程繼承的環境中清理掉類似 KEY、TOKEN、SECRET 等形狀的變量,防止憑證泄露。
使用方法¶
插件掛載成功後,模型會自動獲得以下兩個工具:
-
mcp__image_generation__image_config_status
檢查baseUrl和apiKey是否已正確配置。當圖像生成失敗且原因不明時,應優先調用此工具排查配置問題。 -
mcp__image_generation__image_generate
執行圖像生成。必需參數爲prompt,可選參數包括model、size、n。
模型會通過插件內置的技能(位於 skills/image-generation/SKILL.md)自動處理工作流:先調用 image_config_status,確認無誤後再調用 image_generate,最後返回生成的圖片工件或具體的錯誤信息。
注意事項¶
- 基礎 URL 格式:配置
baseUrl時,不要包含/v1,插件會在請求時自動拼接路徑。 - 傳輸協議:DSH 的 MCP 客戶端讀取換行符分隔的 JSON (NDJSON),而插件後端服務期望的是類似 LSP 的
Content-Length幀格式。插件通過bridge.mjs在兩者之間進行字節級的格式轉換,否則握手會超時。 - 權限與來源:插件以當前 DSH 進程的權限運行。在使用前,建議查看源碼與許可證(MIT),確保符合安全與合規要求。
- 版本兼容:需要 DeepSeek Harness 版本滿足
dsh字段中定義的約束(通常爲>=0.1.5-rc.1 <0.2.0-0 || >=0.2.0-rc.0 <0.3.0-0)。
結語¶
image-gen-mcp 提供了一種標準化的方式,讓模型能夠通過 DeepSeek Harness 訪問第三方圖像生成服務。它通過內置技能減少了模型自行處理工具調用的錯誤率,適合需要爲模型賦予多模態生成能力的場景。